Ecuaciones simultaneas: La existencia de diferentes relaciones de causa efecto entre las variables estimadas no solamente se dan en un sentido, como

es el supuesto en los modelos uniecuacionales, sino que la misma puede estar en ambos sentidos e incluso de forma simultaneas; por tanto en tales modelos hay ms de una ecuacin n: una para cada variable mutuamente o conjuntamente dependientes o endgenas; por tanto en estos modelos no es posible estimar los parmetros de una ecuacin aisladamente o sin tener en cuenta la informacin proporcionada por las dems ecuaciones del sistema. Por tanto el mtodo de estimacin de dichas ecuaciones cambian, Qu sucede si se emplean los MCO?, recurdese que el supuesto clave bajo el que se sustenta la estimacin de este tipo es que las variables explicativas son no estocsticas y estn distribuidas independientemente del termino de perturbacin estocstico, si ninguna de estas condiciones se cumple los estimadores por MCO sern sesgados e inconsistentes, esto se puede observar en el siguiente modelo:

Como se puede apreciar no existen variables exgenas en el modelo, por ejemplo en la ecuacin 1 la variable explicativa es la variable explicada de la ecuacin, esto implica que la variable Yt est esta correlacionada con el error de la ecuacin 2, lo que viola uno de los supuestos mencionados con anterioridad; por otro lado la ecuacin 2 tiene como variable explicativa a Yt, por tanto Zt esta correlacionada con el error u2, por lo que igualmente viola el mismo supuesto, cualquier estimacin de estas ecuaciones sin considerar esto llevara a estimaciones sesgadas e inconsistentes. Los problemas que causan los modelos multiecuacionales surgen por dos razones: Incorrecta especificacin del modelo: Dado que la estimacin de una de las ecuaciones depende de la informacin que pueda proporcionar las otras ecuaciones del modelo, una incorrecta especificacin de la misma puede llevara a estimaciones inadecuadas, a esto se debe de considerar la mala medicin de las variables Variables omitidas, es decir la no consideracin del resto de variables que afectan a la ecuacin estimada.

Ambos problemas han llevada a la necesidad de crear otras variables, las variables instrumentales, estas variables se emplean para resolver el problema de endogeneidad del modelo, por tanto debe de cumplir con dos caractersticas: exogeneidad del instrumento, en el contexto de las variables omitidas, la exogeneidad del instrumento significa que z no debe tener ningn efecto parcial sobre y (despus de que x y las variables omitidas se han controlado), y z no debe estar correlacionada con las variables omitidas, es decir con el error estocstico; por otro lado la relevancia de la variables es decir que esta debe de estar altamente correlacionada con la variable explicativa que esta reemplazando en el anlisis.

Por otro lado se encuentran las variables proxys es la solucin a los errores de mala medicin o para las variables que difcilmente se pueden observar y medir en la realidad adems de la omisin de una variable explicativa , por tanto esta debe de estar altamente correlacionada con el error y con la variable que est reemplazando. No siempre es posible recoger datos sobre la variable que afecta realmente el comportamiento econmico, cuando se usa una medida imprecisa de una variable econmica en un modelo de regresin, entonces el modelo contiene errores de medida. En el caso de las variables proxies buscamos una variable que est asociada con la variable inobservada. Normalmente no nos interesa su efecto parcial, sino el de otras variables. En el caso de errores de medida, la variable que no observamos tiene un signi.cado cuantitativo bien de. Nido, pero nuestras medidas pueden contener errores. Adems generalmente estamos interesados en el efecto marginal de esta variable. En los sistemas mutiecuaciones las ecuaciones toman dos formas que son: Ecuaciones estructurales: muestran la estructura de una economa o el comportamiento de un agente econmico. Ecuaciones en forma reducida: Es aquella que expresa nicamente una variable endgena en trminos de variables predeterminadas o estocsticas (exgenas).

Identificacin: El problema de la identificacin hace referencia a la posibilidad o no de calcular los parmetros estructurales de un modelo de ecuaciones simultaneas a partir de los parmetros de la forma reducida asociada, los cuales s se podan estimar mediante MCO. Diremos que una ecuacin est no identificada cuando no tengamos suficiente informacin para estimar los parmetros de la forma estructural de la ecuacin. Diremos que una ecuacin est sobreidentificada cuando haya ms de una combinacin posible de valores estimados para los parmetros de la forma estructural.

Finalmente, una ecuacin estar exactamente identificada cuando slo sea posible obtener una nica estimacin de los parmetros estructurales. Dado un modelo multiecuacional en forma estructural, diremos que es un sistema exactamente identificado cuando todas sus ecuaciones lo sean. Condicin de orden: Sean: N1 = n de variables exgenas del sistema no incluidas en una determinada ecuacin N2 = n de variables endgenas de dicha ecuacin

Dada una ecuacin identificada, Si N1 = N2 1, entonces la ecuacin est exactamente identificada. Si N1 > N2 1, entonces la ecuacin est sobreidentificada. Si N1<N2-1, entonces la ecuacin no est identificada Observacin: Aunque la condicin de orden es slo una condicin necesaria y no suficiente (i.e.: el hecho de que se cumpla N1 N2 1 no implica de por s que la ecuacin est identificada), en la gran mayora de los casos proporciona la respuesta correcta al problema de la identificacin sin necesidad de recurrir a la condicin de rango. Ejemplo: considere el siguiente modelo de determinacin de la oferta y demanda de un bien:

Condicin de equilibrio: Podramos decir que ambas ecuaciones estn no identificadas, pues no excluyen ninguna variable exgena, e incluyen dos endgenas, Q y P. Por otro lado si se incluyeras ms informacin a la demanda por ejemplo atraves de la inclusin del ingreso se obtendra:

Se puede observar que la ecuacin 2 esta identifica pues la misma posee al menos una variable explicativa en el sistema pero que no est en la ecuacin dos por tanto esta identificada, sin embargo la ecuacin 1 sigue estando no identificada hasta que se agrega informacin adicional a la ecuacin 2 que permita observar su comportamiento. Condicin de rango: La aplicacin de esta condicin requiere obtener la matriz de coeficientes de la forma estructural, denominada (A) y, a partirse ella se calcula una su matriz(A*), de rango inferior, realizada tomando para cada variable cero de una ecuacin, los parmetros que tenga esa variable en las dems ecuaciones. Posteriormente se comprueba la condicin de rango

Rg (A*)<(m- No inidentificable 1) Rg (A*)=(m- Inidentificable 1) Rg (A*)>(m- Sobreindentificable 1)

Siendo m las variables endgenas del modelo Mtodos de ecuaciones simultaneas: Mtodos de mnimos cuadrados indirectos: Consiste en estimar por MCO los coeficientes de la forma reducida y luego recuperar los estimadores de los parmetros de la forma estructural va un sistema de ecuaciones. Slo es aplicable cuando las ecuaciones del modelo estn exactamente identificadas, ya que slo en ste caso se puede obtener valores nicos para los coeficientes de la forma reducida. Los estimadores de los parmetros as obtenidos heredan todas las propiedades de los estimadores de la forma reducida, asegurndonos as de que sean consistentes (y pueden ser eficientes si las perturbaciones se distribuyen normalmente) pero no gozan de stas propiedades para muestras pequeas. Ejemplo: la tabla siguiente refleja los datos de precios en $, cantidades del consumo de gasolina sper en Nicaragua, durante los meses de enero a diciembre del ao 2006, de igual forma se incluyen el ingreso de los consumidores como una aproximacin del gasto en este bien.

Meses del ao Ene-06 F M A M J J A S O N D

Ingreso Observacin 1 2 3 4 5 6 7 8 9 10 11 12

Precio

Consumo

12,676,989.22 0.87 12,138,227.06 0.84 14,347,663.36 0.9 14,463,404.99 1.01 15,198,788.90 1.01 14,521,180.08 1.06 14,955,149.82 1.04 14,765,553.80 1.06 12,233,759.48 0.87 12,793,324.05 0.83 12,363,889.42 0.84 14,547,833.74 0.86

14,599,140.26 14,530,616.87 15,999,815.73 14,330,770.21 14,992,792.07 13,731,230.23 14,369,881.01 13,868,118.04 14,081,001.63 15,498,847.70 14,709,795.21 16,830,522.81

El modelo en du forma estructural es1:

Condicin de equilibrio: A partir de esto se deduce matemticamente que las ecuaciones en forma reducida son:

Por tanto:

Sustituyendo P en la funcin de demanda u oferta se obtiene que:

1

Realice los clculos matemticos correspondientes para llegar a las respuestas planteadas.

Dado que la funcin de oferta es l nica que se encuentra exactamente identificada se procede a encontrar sus parmetros estructurales, para ello despeje de los parmetros de la ecuacin estructural:

Se estiman las ecuaciones en su forma reducida: Dependent Variable: P Method: Least Squares Date: 06/07/11 Time: 09:38 Sample: 2006M01 2006M12 Included observations: 12 Coefficie nt Std. Error 0.062444 0.208400 6.33E-08 1.51E-08 0.637019 0.600721 0.059589 0.035509 17.91006 1.490317

Variable C I R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

t-Statistic 0.299636 4.189234

Prob. 0.7706 0.0019 0.932500 0.094304 2.651677 2.570859 17.54968 0.001860

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Dependent Variable: Q Method: Least Squares Date: 06/06/11 Time: 23:56 Sample: 2006M01 2006M12 Included observations: 12 Variable Coefficie nt Std. Error 1374472 3 3327177. 0.076396 0.241142 t-Statistic Prob.

C I

4.131047 0.316811

0.0020 0.7579 1479521 1 911628.0 30.52019 30.60100 0.100369 0.757902

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

0.009937 0.089069 951361.1 9.05E+12 181.1211 1.479123

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

Encontrndose que:

Por tanto:

-794518.39 Si se introduce el comando se encuentra: . reg3( var1 var2 var3)( var2 var1) Equation is not identified -- does not meet order conditions

Equation var1: var1 var2 var3 Exogenous variables: var3

Dado que solo una de las ecuaciones esta exactamente especificada, por tanto no se pueden calcular mediante este mtodo. Mnimos cuadrados en dos etapas: El mtodo de mnimos cuadrados en dos etapas (MC2E) permite obtener estimadores consistentes para los parmetros estructurales en el caso de ecuaciones sobreidentificadas o exactamente identificadas. El mtodo MC2E consiste en: Para cada variable endgena explicativa de la ecuacin, hallar la ecuacin de regresin de sta sobre todas las variables exgenas del sistema. Con las ecuaciones de regresin obtenidas, hallar los valores estimados para cada variable endgena, y realizar la regresin de la variable endgena dependiente sobre las variables explicativas usando dichos valores estimados (en lugar de los valores observados). Ejemplo: Se parte de un modelo de dos ecuaciones simultneas. Cigs= b0+b1log (salarios)+b2educ+b3edad+b4edad2+b5log (prepag)+b6rest Log (salarios)=0+1cigs+2educ+3edad+4edad2 Para la estimacin de estas dos ecuaciones se utilizara el mtodo de mnimos cuadrados de dos etapas, el objeto de este mtodo es logar la seleccin de una variable que acte como instrumento lo que permita depurar el problemas de simultaneidad entre las dos ecuaciones del sistema, se les llama bietapicos porque consiste en utilizar el proceso de mnimos cuadrados ordinarios 2 veces. El presente mtodo solo se puede emplear en ecuaciones que han sido identificadas y especialmente en aquellas sobreidentificadas, sin embargo esto no limita si uso para ecuaciones exactamente identificadas, siendo los resultados muy parecidos que con el mtodo de mnimos cuadrados indirectos Primera etapa: esta etapa tiene por objeto la bsqueda de esa variable instrumento que permita depurar el problema de simultaneidad en el sistema y la estimacin de al menos de unas de las ecuaciones del mismo.

Una vez generada esta variable y obtenidos todos los datos a emplear, se proceder a estimar la variable instrumental que utilizaremos en la ecuacin sobre identificada para su estimacin, esta variable ser obtenida a partir de la siguiente ecuacin en forma reducida:

Digesto= 0+1educ+2edad+3edad2+4log (prepag)+6rest Con: Quick-estmate ecuacin

Se obtiene a partir de esto la siguiente regresin:

Lo importante que se debe de notar en la regresin es el valor del coeficiente de determinacin puesto que apartar del mismo podemos determinar si esta variables ser un buen estimador de la verdadera CIGS, de lo que al final depender la cercana entre los estimadores MCO y MC2O, cuanto mas se acerque a uno mayor ser la cercana entre estos resultados, por tanto se podra considerar la no utilizacin de MC2O puesto que a veces estos son congruentes con MCO, sin embargo siempre ser necesaria su aplicacin. Se estiman los valores de CIGS: en la ventana de la regresin se selecciona forecast

Segunda etapa: una vez obtenida la variable instrumental a utilizar se sustituye esta variable en la ecuacin sobreindetificada del modelo y se procede a estimar mediante MCO, dado que a travs de estas variables estimada se ha resuelto los problemas de simultaneidad: Log (salarios)=0+1cigsesti+2educ+3edad+4edad2

Se obtiene la siguiente salida:

Como se puede observar el coeficiente de determinacin es bajo una conclusin que ya era inferible desde el R2 de la primera etapa. El problema de este mtodo es que los errores obtenidos en la segunda etapa no son los verdaderos errores estndares, por tanto estos deben de ser transformados a travs de la siguiente frmula: Errores estndares corregidos=errores obtenidos *(varianza de segunda etapa/varianza de MCO) 2 Considrese el siguiente modelo: Partimos del archivo modelos_de_ecuaciones_simultaneas.wf1 que contiene datos de la economa espaola para el periodo 1977-1995 de las variables tipo de inters (R), Oferta Monetaria (M), Producto Nacional Bruto a precios de mercado (Y) e Inversin (Inv). Se trata de estimar el siguiente modelo de dos ecuaciones: Rt = Yt =
1M t 1+

2 Yt

+ u1t + u2t

2R t

3 Invt

Observar calculo en tabla adjunta de Excel: ejercicios de ecuaciones simultaneas

Existen otras formas de resolver MC2 en ewiews, siempre y cuando ambas ecuaciones estn exactamente especificadas o sobre identificadas. Ahora diseamos el sistema de ecuaciones. Mediante el siguiente procedimiento, Object New Object System y le damos el nombre de SYS1 y pulsamos Ok

Luego escribimos las ecuaciones del sistema. A continuacin pulsamos el botn Estimate y en el campo Method de la pantalla System Estimation elegimos Two Stage Least Squares. Y pulsamos Ok.

Y aparecer la siguiente ventana con la estimacin por MC2E de las dos ecuaciones del sistema de ecuaciones simultneas.

System: SIS1 Estimation Method: Two-Stage Least Squares Date: 06/07/11 Time: 11:04 Sample: 1977 1995 Included observations: 19 Total system (balanced) observations 38 Coefficient Std. Error C(1) C(2) C(3) C(4) C(5) -0.001024 6.94E-07 34996715 -1030960. 1.786928 0.000125 3.83E-08 5720352. 264141.5 0.334670 t-Statistic -8.228325 18.13914 6.117930 -3.903060 5.339368 Prob. 0.0000 0.0000 0.0000 0.0004 0.0000

Determinant residual covariance 3.42E+12 Equation: R=C(1)*M+C(2)*Y Instruments: C M INV Observations: 19 R-squared 0.503011 Adjusted R-squared 0.473777 S.E. of regression 2.109722 Durbin-Watson stat 1.496218 Equation: Y=C(3)+C(4)*R+C(5)*INV Instruments: C M INV Observations: 19 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat 0.862299 0.845087 1962839. 2.021569 Mean dependent var S.D. dependent var Sum squared resid 3399358 8 4987010. 6.16E+13

Mean dependent var S.D. dependent var Sum squared resid

14.18579 2.908307 75.66576

El sistema estimado ser el siguiente: Rt = 0.001024M t + 000000694Yt + u1t Yt = 34, 996,715 - 1, 030,960 R t + 1.786928 Invt + u2t

Variables instrumentos: El mtodo de variables instrumentales (VI) permite obtener estimadores consistentes para los parmetros estructurales en el caso de ecuaciones sobreidentificadas o exactamente identificadas. Es un caso particular del mtodo de MC2E y se utiliza cuando el nmero de instrumentos es igual al nmero de variables endgenas explicativas. Un instrumento resulta vlido cuando est correlacionado con una de las variables endgenas y no con el trmino perturbacin. El mtodo VI consiste en: Seleccionar tantas variables instrumentales cuantas hay variables endgenas explicativas (correlacionadas con trmino de perturbacin) y variables predeterminadas (no correlacionadas con trmino de perturbacin) . Estimar el modelo en el cual regresamos la variable dependiente sobre las variables explicativas (endgenas y predeterminadas), utilizando las variables instrumentales para corregir la endogeneidad de los regresores. Pruebas de simultaneidad y exogeneidad: Por qu aplicar una prueba de simultaneidad? La prueba de simultaneidad permite averiguar si una regresora (endgena) esta correlacionada con el termino de error. De este modo si se quiere obtener buenos estimadores debe considerarse lo siguiente: Cuando No Existe problema de simultaneidad

Si se estima por MCO Los Estimadores son Consistentes y Eficientes Cuando Existe problema de Simultaneidad

Si se estima por MCO Los Estimadores no son ni si quiera consistentes. Pero si se usan Mtodos Alternativos como VI, o MC2E; Los Estimadores Si son Consistentes y Eficientes

Qu pasa si se aplica VI o MC2E cuando no hay simultaneidad? Los estimadores que se obtienen son Consistentes pero no Eficientes

Prueba de Especificacin de Hausman Dado el siguiente sistema de ecuaciones, se desea saber si existe o no el problema de la simultaneidad: Donde: (1) CONSt = 0 + 1Yt + 2IMPt + 1t (2) IMPt = 0 + 1SALt + 2CONSt + 2t CONS = Consumo IMP = Impuesto Y = Ingreso SAL = Salarios

Para realizar la prueba de simultaneidad puede procederse siguiendo los siguientes pasos:

Paso 1: Obtener las ecuaciones en forma reducida. (3) CONSt = 0 + 1Yt + 2SALt + W1 (4) IMPt = 3 + 4SALt + 5Yt + W2

Paso 2: Estimar por MCO la Ec(3) y obtener CONS_EST y W1. Para obtener CONS_EST, de la estimacin antes mencionada se efecta lo siguiente: Clic en Forecast

Escribir CONS_EST que es el nombre de los datos correspondiente al consumo estimado.

Para obtener W1 que es el error debe de copiarse los datos que aparecen en la casilla que dice resid, para agregarlos en la tabla de datos con el nombre ERROR De esta forma se obtiene: (5) CONSt = CONS_ESTt + W1

Paso 3: Sustituir Ec(5) en Ec(2) y estmese por MCO. (6) IMPt = 0 + 1SALt + 2CONS_ESTt + 3W1 + 2t

Paso 4: Efectuar prueba de hiptesis individual para el ERROR de la Ec (6). IMPt = -2001.04 + 1.082SALt + 0.1709CONS_ESTt - 0.1461W1 t est = (-3.98) Prob = (0.0002) (12.24) (0.000) (1.62) (0.1106) (-1.05) (0.2957)

H0: No Hay Simultaneidad H1: Si hay simultaneidad No se puede rechazar la hiptesis nula por tanto se asume que no hay simultaneidad.

Prueba de Exogeniedad La prueba de Exogeniedad sirve para comprobar si determinadas variables son endgenas en el sistema, y de esta manera poder estar seguros de que mtodo de estimacin usar. Dado el siguiente sistema de ecuaciones: (1) IPCt = 0 + 1IPCt-1 + 2M1t + 3TCOt + 4OILPRt + 1t (2) M1t = 0 + 1PIBt + 2IPCt +M1t-1 + 2t (3) TCOt = 0 + 1EXPt + 2RINt + 3IPCt + 3t Donde: IPC = ndice de precios M1 = Cantidad de dinero. TCO = Tipo de cambio OILPR = Precios del petrleo PIB = Ingreso EXP = Exportaciones RIN = Reservas Internacionales netas

De este modo: M1, IPC , TCO se supone son variables endgenas, PIB, M1t-1 , IPCt-1, OILPR, EXP, RIN son variables exgenas. De acuerdo a lo anterior: Cmo puede establecerse si TCO y M1 son realmente endgenas en la Ec (1) ? Para ello se efecta la prueba de exogeneidad, para la cual pueden seguirse los siguientes pasos: Paso 1: Obtener las ecuaciones en forma reducida (4) IPCt = 0 + 1IPCt-1 + 2OILPRt + 3PIBt + 4M1t-1 + 5EXPt + 6RINt + W1 (5) M1t = 7 + 8PIBt + 9M1t-1 + 10IPCt-1 + 11OILPRt + 12EXPt + 13RINt + W2 (6) TCOt = 14 + 15EXPt + 16RINt + 17IPCt-1 + 18OILPRt + 19PIBt + 20M1t-1 + W3

Paso 2: Estimar por MCO la Ec (5) y Ec (6), para obtener M1_EST , TCO_EST

Para obtener M1_EST, y TCO_EST, efectese el mismo procedimiento (usando forecast) que en la prueba de simultaneidad

(5.1) M1t = M1_ESTt + W2 (6.1) TCOt = TCO_ESTt + W3 Paso 3: Estimar Ec (1) por MCO , aadiendo M1_EST, TCO_EST

(7) IPCt = 0 + 1IPCt-1 + 2M1t + 3TCOt +

4OILPRt +M1_EST TCO_EST + 1t

Paso 4: Efectuar prueba de Hiptesis global a la Ec ( 7). IPCt = 12.41 + 0.002M1t + 0.89IPCt-1 + 0.69TCOt +0.18OILPRt + 0.0005M1_EST 0.74TCO_EST t est = (2.04) (0.96) (21.46) (0.000) (0.87) (0.383) (5.29) (0.000) (0.28) (0.778) (-0.82) Prob = ( 0.046) (0.340) (0.415) F- est = 6723.47 Prob =0.000 H0: Las variables son Exgenas H1: Las variables son Endgenas Se rechaza la hiptesis nula, por tanto, se asume que las variables M1 y TCO son endgenas en la Ec(1).